VerifyScript es una aplicación web con IA que ayuda a pacientes, cuidadores y proveedores a analizar la seguridad y eficacia de múltiples medicamentos. Al combinar datos clínicos estructurados con GPT-4, VerifyScript genera informes claros y prácticos de evaluación de medicamentos, reduciendo la confusión, revelando riesgos y respaldando conversaciones de atención más seguras.
Aspectos Destacados
- Informes de revisión de medicamentos generados por IA en minutos
- Admite análisis de recetas, medicamentos de venta libre y suplementos
- Fundamentación clínica con GPT-4 + RxNorm
- Evaluaciones basadas en suscripción, protegidas por Stripe
- Construido y lanzado en 6 semanas
Datos Rápidos
- Industria: Salud / Salud Digital
- Plataforma: Aplicación Web
- Usuarios: Pacientes, cuidadores, proveedores
- Modelo de Negocio: B2C, suscripción por evaluación
- Servicios de Stackup: Estrategia de producto, desarrollo full-stack, integración de IA
Antecedentes
Los regímenes de medicación son cada vez más complejos, especialmente para adultos mayores que manejan múltiples afecciones. Los pacientes a menudo salen de las citas con recetas que no comprenden del todo, tienen dificultades para leer las etiquetas de los medicamentos o desconocen las interacciones entre medicamentos, suplementos y alimentos.
VerifyScript fue creado para abordar una brecha simple pero peligrosa: los pacientes no tienen una forma accesible de entender las consecuencias reales de tomar múltiples medicamentos juntos.
El objetivo era construir un MVP que pudiera:
- Traducir datos complejos de medicamentos a un lenguaje sencillo
- Revelar riesgos de interacción y cascadas de prescripción
- Brindar a los pacientes un informe que puedan compartir con confianza con su proveedor
El Desafío
Desafíos de Negocio
- Las herramientas de seguridad de medicamentos suelen estar diseñadas para clínicos, no para pacientes
- Las soluciones existentes están fragmentadas entre farmacéuticos, PDFs y búsquedas web
- Los pacientes carecen de una única fuente de información comprensible
- El producto necesitaba demostrar disposición a pagar rápidamente
Desafíos Técnicos
- Convertir entradas de medicamentos desordenadas (fotos, texto, voz) en datos estructurados
- Fundamentar las salidas de la IA en terminología clínica real
- Evitar consejos médicos inseguros sin dejar de brindar información significativa
- Generar informes profesionales y compartibles automáticamente
Restricciones Operativas
- MVP pre-HIPAA con límites legales claros
- Sin panel de administración interno: las operaciones debían mantenerse ligeras
- Un plazo de entrega estricto de 6 semanas
La Solución
Stackup Solutions se asoció con VerifyScript para diseñar y construir un MVP enfocado y listo para producción, optimizado para velocidad, seguridad y validación.
Arquitectura del Producto
- Frontend: Aplicación web en React.js
- Backend: Node.js + Express
- Capa de IA: OpenAI GPT-4
- Datos Clínicos: RxNorm para normalización de medicamentos y autocompletado
- OCR: Google Vision API con limpieza posterior
- Pagos: Stripe (requerido antes de la ejecución de la IA)
- Generación de Informes: Generación de HTML a PDF usando Puppeteer
- Automatización de Correo: Gmail API
Funcionalidades Principales Entregadas
1. Motor de Registro de Medicamentos
- Entrada manual para mayor flexibilidad
- Carga de fotos mediante OCR para etiquetas de recetas
- Entradas limpiadas y normalizadas mediante RxNorm
- Autocompletado por marca, genérico y clase de medicamento
2. Análisis de Medicamentos Impulsado por GPT
El motor de IA analiza los medicamentos ingresados para identificar:
- Interacciones entre medicamentos
- Interacciones entre medicamentos y alimentos (que potencian o reducen el efecto)
- Cascadas de prescripción (medicamentos que tratan efectos secundarios de otros medicamentos)
- Oportunidades de deprescripción (señaladas solo para discusión con el proveedor)
- Indicadores de monitoreo que los pacientes deben conocer
- Avisos recientes de retiro de productos
Todos los resultados son educativos, nunca directivos, e invitan constantemente a los usuarios a consultar a un profesional de la salud.
3. Salvaguardas de Seguridad Estructuradas
- Solo entradas de pacientes anonimizadas
- Restricciones en los prompts que impiden instrucciones médicas definitivas
- Descargos de responsabilidad claros incorporados en todo el informe
- Los conocimientos sobre riesgos se presentan como puntos de discusión, no como decisiones
4. Generación de Informes PDF con Marca
- Contenido generado por IA compilado en un PDF profesional
- Secciones claras, resúmenes y próximos pasos
- Diseñado para compartirse directamente con los proveedores
5. Monetización y Automatización
- Se requiere pago con Stripe antes de que se ejecute el análisis
- Basado en suscripción por evaluación
- Entrega automatizada de informes por correo electrónico
- Correo de agradecimiento de seguimiento enviado después de 3 días
Proceso de Implementación
Fase 1: Definición de Producto y Riesgo
- Se definió el alcance del MVP para mantenerse fuera del territorio de SaMD de la FDA
- Se establecieron los límites de la IA y la estrategia de descargos de responsabilidad
- Se diseñó el flujo de evaluación a pago para maximizar la conversión
Fase 2: Construcción Principal
- Se construyó el registro de medicamentos y el pipeline de OCR
- Se integró RxNorm para inteligencia estructurada de medicamentos
- Se desarrolló el marco de prompts de GPT-4 para salidas seguras y seccionadas
Fase 3: Generación de Informes y Monetización
- Se implementó la restricción de acceso mediante Stripe
- Se construyó el pipeline de generación de PDF en el backend
- Se automatizó la entrega de correos electrónicos y el seguimiento administrativo
A pesar del plazo comprimido, Stackup entregó un MVP completamente funcional y monetizado, listo para usuarios reales.
Resultados e Impacto Inicial
Como MVP en etapa inicial, VerifyScript se centró en la validación por encima de la escala.
Resultados Iniciales
- Lanzamiento exitoso dentro del plazo de 6 semanas
- Primeros usuarios de pago incorporados dentro de la ventana de lanzamiento inicial
- Se logró tracción inicial hacia el objetivo de más de 10 usuarios de pago en 90 días
- Se validó la disposición a pagar por evaluaciones de medicamentos generadas por IA
- Se demostró un fuerte interés de los usuarios en los conocimientos sobre interacciones y cascadas de prescripción
Señales Cualitativas
- Los usuarios reportaron descubrir interacciones de las que antes no eran conscientes
- Los informes ayudaron a los pacientes a sentirse más seguros al hablar sobre medicamentos con sus proveedores
- Los cuidadores valoraron tener un resumen único y comprensible
